1. L’IA, c’est déjà (mieux) demain !
Générer des images ou du texte à partir de quelques pixels ou mots clés, qui aurait cru, il y a quelques années seulement, que cela soit un jour possible ? Et pourtant, les Deepfake ou l’application ChatGPT sont aujourd’hui une réalité. Une dose généreuse de données, un nuage d’apprentissage, le tout saupoudré d’un soupçon de génie humain, et voilà comment l’intelligence artificielle avance à la vitesse de la lumière. De quoi être vite dépassé, sans avoir rien vu venir. « La solution que vous trouvez aujourd’hui va peut-être vous rendre service, mais les progrès de l’IA sont tellement rapides qu’il faut toujours être en veille sur ce qui se fait, soit avec des consultants, soit avec des thésards. C’est la seule manière de bénéficier des performances les plus intéressantes », a alerté Rodolphe Gelin, expert IA chez Renault, lors d’une journée Tech, organisée par Proxinnov[1], le 7 février, à La Roche-sur-Yon.
2. Des données de qualité : LE carburant de l’IA
L’IA se nourrit des données, d’énormément de données, ce qui lui permet de progresser à des vitesses incroyables. Mais pour être exploitables et pertinentes, elles doivent être de qualité. CQFD. « Les données qui viennent de capteurs sont extrêmement bruitées, autrement dit parasitées, a souligné Rodolphe Gelin. Récupérer ces données, les nettoyer, vérifier qu’elles soient dans le même format et la même unité, c’est un énorme travail. Surtout au début. Par exemple, pour des images, il y a la partie annotation, très longue, où il faut dire à l’IA, « ça, c’est une voiture », « ça c’est un piéton ». Le futur, c’est de réussir à faire de l’IA sans cette annotation, ou avec de moins en moins de données à noter. C’est ce que l’on appelle l’IA non supervisée où l’humain n’est plus obligé de mâcher le travail à l’intelligence artificielle. »
3. Un prix humain et énergétique
« Lorsque l’on fait le choix de l’IA, il faut non seulement prendre en compte les performances que l’on va obtenir, les efforts qu’il faut faire pour l’intégrer, mais aussi son coût. Son coût humain d’abord, pour nettoyer et labelliser les données : entraîner une IA, ça prend du temps. Et son coût énergétique ensuite. » Selon le rapport « Clous begins with coal »[2], 5 à 10 % de la consommation électrique mondiale est aujourd’hui liée au numérique. « En 2030, complète Rodolphe Gelin, 10 % de l’énergie produite sera utilisée par les serveurs informatiques. Or, l’IA a besoin des serveurs pour fonctionner. Ainsi, dans la phase d’apprentissage, tout ce qui est image ou texte nécessite l’utilisation de gros calculateurs qui dépensent beaucoup d’énergie. En revanche, s’il s’agit de capteurs ou de tableaux Excel, la consommation est plus classique et équivaut à celle d’un PC. Ce coût énergétique est souvent caché car ces serveurs ne sont généralement pas en interne mais chez un prestataire comme Google ou Amazon à qui l’entreprise loue du temps de calcul. L’idée n’est pas de s’affoler mais d’évaluer sa consommation en fonction de l’usage de l’IA que l’on a prévu de faire. » L’expert poursuit : « Si vous faites attention à votre bilan carbone, intégrez-le dans votre réflexion et demandez à votre prestataire d’estimer le poids carbone de ces calculateurs lorsqu’ils tournent pour votre entreprise. »
4. De biais en confiance : avoir l’œil et…
« Il faut toujours se poser la question de la confiance que l’on peut apporter à l’IA et avoir conscience des biais », a fortement conseillé Rodolphe Gelin. Selon le site Datafranca.org, « un biais algorithmique se produit lorsque les données utilisées pour entraîner un système d’apprentissage automatique reflètent les valeurs implicites des humains impliqués dans la collecte, la sélection ou l’utilisation de ces données. » L’un des cas les plus connus de biais concerne les recrutements. « Si l’entreprise avait dans le passé des RH qui n’embauchaient jamais de femmes sur certains postes, l’IA, dans sa phase d’apprentissage va retenir que c’est un critère important et va systématiquement écarter toutes candidatures féminines. Lors de la phase d’apprentissage, il peut y avoir des biais. Il faut donc être attentif », précise Rodolphe Gelin.
Comment les repérer et quels sont les leviers pour les éviter ? « Déjà, on sait qu’ils existent et qu’il faut les surveiller, indique Rodolphe Gelin. L’une des façons de le faire, c’est, après la phase d’apprentissage, de demander de l’explicabilité. L’une des techniques les plus simples consiste à reposer la même question en retirant certains éléments, l’un après l’autre, pour savoir lequel est un biais. Un expert aura l’œil pour repérer les biais et pourra valider que l’IA s’appuie sur les bons critères pour prendre ses décisions. » D’où l’importance de bien savoir s’entourer.
5. … Créer le lien (réglementaire)
S’appuyer sur des experts pour traquer les biais est une étape incontournable. Mais, sur le terrain, comment générer la confiance entre l’IA et les opérateurs, ou tout autre intervenant confronté à l’IA ? « Comment lui déléguer par exemple en toute sérénité, », interroge l’expert IA du groupe automobile Renault. Et de répondre dans la foulée : « Cela passe par la pédagogie, par le fait d’impliquer l’opérateur dans la mise en place de l’IA., C’est lui qui va faire la labellisation en indiquant à l’IA les soudures qui ne sont pas bonnes. C’est lui qui va dire s’il a besoin de voir plus de mauvaises soudures pour valider la phase d’apprentissage. En entraînant le système, en s’impliquant, il voit comment c’est fait et c’est rassurant. Il faut accompagner ce changement pour aider les opérateurs à s’approprier l’IA. Il y a un processus, des questions à se poser lorsque vous installez un système d’IA pour s’assurer qu’il soit bien accepté par les gens qui vont l’utiliser. »
Pour réussir à mettre en place et développer une IA de confiance, les entreprises pourront s’appuyer sur l’AI Act à partir de 2024. « Cette réglementation européenne se base beaucoup sur la crainte que l’intelligence artificielle puisse reproduire les discriminations humaines sous forme de biais algorithmiques. D’où la volonté de l’Europe d’interdire l’IA dans certains domaines d’application comme le classement social ou la surveillance humaine, et de la classer à haut risque dans d’autres domaines sensibles comme le scoring pour l’attribution de crédit ou le recrutement, ou toutes les applications dites sécuritaires, par exemple le freinage d’une voiture autonome.
Button hop : la collecte de données simplifiée
Alexandre Grière, dirigeant fondateur de Button hop, à Saint-Nazaire © IJ
Simplifier la collecte de données pré-qualifiées, impliquer le collaborateur et lui faire gagner du temps dans cette tâche sans valeur ajoutée, c’est toute l’ambition de Button hop. Cette solution, imaginée par Alexandre Grière, a été officiellement lancée fin 2022 à Saint-Nazaire.
« Button hop se présente sous la forme d’un petit boîtier connecté autonome. Il n’y a pas besoin de wifi, simplement d’un réseau 4 ou 5 G, précise le dirigeant fondateur. Toutes les tâches pour lesquelles l’entreprise a besoin de saisir de l’information y sont pré-enregistrées et transmises en un clic à l’IA par l’intermédiaire d’un serveur. A chaque tâche, son bouton. Cela concerne aussi bien les besoins de l’opérateur en carton ou consommable, ses demandes d’intervention de maintenance ou le traçage d’événement (c’est-à-dire d’opération, NDLR). » D’une façon classique, l’IA traite et analyse ces actions : leur fréquence, leur périodicité ou leurs causes… Elle peut ainsi se rendre compte qu’il y a plus de commandes de tel produit tel jour et pourquoi.
Button hop va alors être capable de déclencher des scénarios, en se connectant à l’ERP. C’est une autre de ses spécificités. « Il est en effet possible de vérifier le stock, de lancer automatiquement une commande et de prévenir le magasinier, détaille Alexandre Grière. Plus besoin de saisie manuelle. C’est un sacré gain de temps pour l’entreprise. »
Button hop est disponible via La solution s’adresse à des entreprises de toutes tailles et de tous secteurs.
[1] Plateforme régionale de robotique industrielle.
[2] Digital Power Group, Académie des technologies